《Marine Pollution Bulletin》文章：基于深度学习的三维海洋塑料垃圾实时检测嵌入式系统

随着人类生活水平的提升，全球塑料垃圾总量呈现指数级增长，数百万吨废弃物持续涌入海洋生态系统，对生态环境造成直接危害。最新预测表明，至2040年海洋塑料污染输入量或将激增至当前水平的近三倍，年度新增污染规模预计达到2300-3700万吨。这种急剧增长的海洋塑料污染已对海洋生物多样性及生态平衡构成重大威胁，成为亟需解决的全球性环境挑战。
厦门大学周跃海教授工作组针对传统海洋塑料垃圾检测系统存在的实时处理能力不足、适用场景受限等瓶颈问题，创新性地利用深度学习技术中的YOLOv5模型，成功设计出基于深度学习的三维海洋塑料垃圾实时检测（Three-dimensionalmarine plastic litter real-time detection, 3D-MPLRD）嵌入式系统。该系统突破性地实现了海岸带、海面及水下三维空间的塑料垃圾同步监测，构建了海洋塑料污染实时智能监测体系。为适配嵌入式设备的部署需求，研究团队通过模型压缩与量化技术对YOLOv5进行优化，在保证检测精度的前提下显著降低模型复杂度。经实际海洋环境测试验证，该系统在准确率、召回率、F1分数及平均精度均值等核心指标上均表现优异，为海洋垃圾智能监测系统的发展提供了可靠的技术支撑。
本研究研发的3D-MPLRD系统具有广阔的应用前景：通过定制化路线规划可实现特定海域的自动化垃圾收集；与遥感平台集成后，可接收远程激活与路径优化指令，显著提升海洋垃圾长效治理能力；在危险海域或复杂作业场景中，该系统可有效替代人工干预实施垃圾管理，降低海洋垃圾处理风险和费用。

来源：Marine Pollution Bulletin